Awesome Jev ZH

Jev 不生成文本。 第一次看到这句话时我以为是个缺陷，后来才发现这正是它的设计核心。

它的用法是：给它一段 state（一封邮件、一行日志、一个工单），再给它几个带类型的问题，它在 70–500ms 内一次性答完——从你给的选项里选一个、在你给的量表上打一个分、或者给出一个 0 到 1 的概率，每个答案都附带一个置信度。输入 $0.042 / MTok，输出不计费。

它的边界也很清楚：要写文案、要总结文章、要解释判断理由，LLM 仍然是更合适的工具。这一条后面还会出现好几次。

那它解决了什么？整理这份列表的过程中，我越来越确信一件事：我们今天写的很多 LLM 调用，本质上只是在做选择题。 拼 prompt、逐 token 生成、剥掉 markdown 代码块、json.loads、校验 schema、失败了再重试——绕这么大一圈，只为了拿回 "billing" 这一个词。这段代码我自己写过不止一次。Jev 想省掉的就是这一圈。

另外有两个数字想先摆出来，免得看完才发现：「快 193 倍」来自 TypeSafe 自己的评测，官方也标注了那是收益上限；而独立评测里，在钓鱼邮件这个具体任务上，直接问它一句只有 62.6% 的准确率，两行正则规则能到 91.8%。完整数据在 冷静看待 一节。

这是 Jev 生态的中文精选列表，外加两份中文指南和一份 图解说明。

非官方整理，与 TypeSafe AI 无隶属关系 · Jev 于 2026-09-15 开放 early access · 所有厂商自评数据都标注了出处

目录

入门 — 官方资源 · 优质项目 · Jev 是什么 · 体验渠道 · 上手 · 规格与定价 · 该用与不该用 · 中文指南

项目 — 热门自动榜 · SDK · 应用 · Demo · Agent 工具 · 复现与评测

资料 — Cookbook 与模式 · 文章 · 社区 · 冷静看待

📘 官方资源

官方文档写得相当清楚。真要弄懂这个模型，这里是最短的路径；二手解读（包括这份列表）只能算补充。

官方博文，四篇立场文章：

⭐ 优质项目

Star 过 500 的项目，全生态一共这些。时间有限就先看这一栏，方向从浏览器操作、Agent 框架、上下文工程一直排到几个能自己训的开源复现。

门槛是纯 Star 数（2026-09-20 UTC 快照，表里的徽章实时更新）。Star 多只说明被最多人看过、试过、吵过，不等于代码质量好或者能直接上生产——这里面大半是 Jev 发布一周内写出来的。表格按星数降序，所以第二行的 QuantDinger 是个规模完全不同的项目，看说明就明白了。每行都标了它所在的分区，想看同方向的其他项目往那儿翻。

项目	Star	方向	说明
browser-use/jev-ultrafast		浏览器 Agent	全生态第一爆款。一次请求里让 Jev 同时选出「做什么操作」和「操作哪个 DOM 元素」，只有真要打字时才叫小模型。Google Flights 苏黎世→伦敦订票 7 秒 / $0.0039。同类见 应用
OpenByteInc/QuantDinger		交易系统	开源交易 OS，下单前的决策网关从 LLM 换成 Jev（走 /v1/systemone，没配 key 就回退 LLM）。它的 Star 主要来自交易系统本身，Jev 只是一个可选组件，放在这儿是因为规则只看星数。同类见 应用
NandhaKishorM/laya		多语言决策模型	非自回归 System 1 决策引擎：单问题 33ms、批量 7.2ms/问（T4 自测），同样用严格评分规则做 RL，覆盖 100+ 语言——中文场景想找可自建的替代品，这是目前星数最高的一个。作者称此路线早于 Jev，README 里与 Jev 的同数据集对比属自评
tamaratran/fast-jev-compaction		上下文工程	Claude Code 插件：把上下文压缩的「总结」换成 Jev 判断——每次工具调用和结果都打分，决定留不留。上下文工程的新范式，Agent 工具 里的 winnow、yoshi 都是同一思路的变体
vercel/eve		Agent 框架	Vercel 的 Agent 框架，实验性 autoModel 默认用 Gateway 上的 typesafe-ai/jev 从白名单里挑语言模型。目前把 Jev 放进默认路径的主流框架，就这一个。同类见 Agent 工具
TheoLeeCJ/SemIf		开源复现	最受关注的复现，原名 openjev。一张 RTX 3090 能不能跑 Jev 风格的东西？直接读选项 logits，不生成文本。不是 TypeSafe 的模型，作者自己也强调无隶属关系。同类见 复现与评测
jarrodwatts/jev-trader		链上交易	每个 Monad 区块对 Kuru 的 MON-USDC 做一次买卖决策——区块时间摆在那儿，这是少数几个「延迟本身就是硬约束」的场景。在线：jev-trader.vercel.app
TianyuCodings/NanoJev		开源复现	nano 版 Jev：并行决策、动态候选、端到端训练流水线。想搞懂训练的从这个读
typesafe-ai/skills		官方技能包	官方出的 Agent 技能包：原语、模式、怎么组织 evaluation。claude plugin install typesafe@typesafe-ai。其余官方仓库见 官方资源 与 SDK
jaredpalmer/kev		开源复现	Qwen 上挂 LoRA + readout head（0.5B–8B），POST /v1/systemone 与官方 SDK 兼容，改个 base_url 就能跑本地。冻结评测集上域外 kev-8b 0.77 对真 Jev 0.86（作者自测）。M5 上 1h45m 能训出 0.5B
vinnylarouge/jevlike		开源复现	训练一个小的单次 scorer：上下文 + N 个文本选项 → 每个选项一个概率。含 Doom / 国际象棋视觉 demo。明确声明不是 TypeSafe 架构或 RLCD 的复现
Anil-matcha/awesome-jev-by-typesafe		清单	英文清单里做得最细的一份：用例、模式、prompt、起步代码，每条都标了出处。其他同类见 其他 awesome 列表
yibie/awesome-jev		清单	另一份英文清单，除了项目和集成还收社区争论，想看反对意见的去这儿。其他同类见 其他 awesome 列表
awlevin/typesafe-computer-use		computer use	macOS computer-use：OCR 屏幕 → Jev 分类下一步动作 → 点击。约 $0.0002/步
githubnext/localjev		协议桥	GitHub Next 出的协议桥：本机起一个 Jev 兼容的 /v1/systemone，背后转成分类 prompt 发给任意 OpenAI 兼容端点。概率是模型自报的，不是读 logits，作者写明「wire-compatible, but not mathematically equivalent」。同类见 复现与评测
milind-soni/tiptour-macos		computer use	macOS 本地 computer use：CoreML + OCR 在本机认出按钮和文字，Jev 只从这份控件清单里选点哪一个，截图不出本机。作者报单步约 90ms。同类见 应用

剩下的项目按用途分在 SDK、应用、Demo、Agent 工具、复现与评测 五栏里，每天重抓的完整榜单在 热门自动榜。

🧠 Jev 是什么

它针对一份 state——一封邮件、一行日志、一个工单、一坨游戏坐标 JSON——评估一组带类型的问题，返回代码能直接 if、能排序、能路由的值。就这么简单。

TypeSafe 管这类模型叫 System One，取自卡尼曼的「系统一」，快速直觉的那套。训练方法叫 RLCD，优化目标是概率诚实而不是人类偏好——RLHF 那套「让人满意」的训练会毁掉校准，因为犹豫的回答不讨喜。对聊天这是优点，对自动化这是灾难：你没法拿一个假的 90% 去写门控。

这套说法目前没有公开论文。 校准好不好，在你自己的数据上量，别信任何人的 slide。

官方刻意没有公开架构：参数量、模型类别、训练数据组成全部未披露，发布博文的 FAQ 里「为什么需要新的训练算法」「这个结果怎么做到的」两条明写了不在本文回答。所以下面分两块——官方声称的，和复现者实际做出来的。

官方声称的三点

• 叫 System One 模型，取自卡尼曼的「系统一」
• 训练方法 RLCD，优化目标是概率校准而非人类偏好（无论文、无公式、无算法步骤）
• 并行而非自回归：「一次查询生成全部输出」，不逐 token 解码——40–200 倍加速归因于此，但没给数学解释

复现者做出来的机制（这部分有代码可读，比官方博文实在）

jaredpalmer/kev 的说明最清楚，它用 Qwen 2.5-0.5B ~ 3-8B 作骨干 + LoRA（r=16）：

• 不解码，用 pointer head 打分——把每个选项的 </opt> 隐状态与 <decide> 隐状态相互打分，再过 softmax。概率来自这个打分头的监督训练，不是 next-token 预测
• 一次前向答完多题——所有问题和 state 打包进同一条 token 序列，用 block-causal 注意力掩码让每个问题都能看到 state、但看不到兄弟问题；每个问题分支的 position id 重新计数，所以问题顺序不影响结果。作者实测打包请求与拆开单发的结果一致到 4e-6
• 训练：在选项分布上做交叉熵，训练数据和线上请求走同一个渲染器。学习率是关键，5e-5 比默认 2e-4 好，高了会「侵蚀基座模型已有的知识」

TheoLeeCJ/SemIf（直接读选项 logits）、TianyuCodings/NanoJev、vinnylarouge/jevlike 三家路子一致。所以公开可验证的那部分机制可以概括成一句：一个普通的 transformer 骨干，外挂一个在候选项上打分的 readout head，一次前向把所有题答完，靠掩码保证题与题之间互相看不见。

这也解释了它的几个硬边界：选项必须预先穷举（所以 Choice 上限 255）、不可能输出 schema 之外的东西（结构上做不到幻觉）、以及为什么它彻底不会写字——模型里根本没有解码这一步。

注意复现者都声明过与 TypeSafe 无隶属关系，也没说自己复现了 RLCD。上面是「一个能跑出类似行为的合理机制」，不是 TypeSafe 的实现。